Universidade
de Brasília - UnB
Dep. Ciência da Computação
CIC
316024 Inteligência Artificial I
2a. e 4a. 8:00-9:50
Prof. Li Weigang
4 créditos
Ementa: Introdução. Resolução de problemas. Métodos de busca.
Conhecimento e raciocínios precisos e imprecisos. Aspectos gerais de sistemas baseados em conhecimento.
Aprendizagem. Comunicação. Ação. Aplicações.
Pré-requisitos: Lógica Matemática, Teoria da
Computação, Estruturas de Dados, Análise de Algoritmos e Programação.
Resumo: Inteligência Artificial (IA) é a área da
Ciência da Computação dedicada à formulação e implementação de teorias e
modelos computacionais de funções cognitivas. A Inteligência Artificial visa
tornar a máquina capaz de exibir, aos olhos de um observador externo, um
comportamento inteligente na realização de tarefas e resolução de problemas.
Para tanto, a IA transcende os limites da Ciência da Computação, interagindo
com áreas tais como a Filosofia, a Lingüística, a Psicologia, a Biologia e a
Lógica.
Representação do
Conhecimento, Automatização do Raciocínio, Resolução de Problemas,
Aprendizagem Automática, Percepção e Processamento de Linguagem Natural,
entendidas em sentido abrangente, podem ser consideradas áreas fundamentais da
Inteligência Artificial.
A Representação do
Conhecimento trata de modelos para a organização do conhecimento e de técnicas
para a sua representação e manipulação em sistemas computacionais. Esses
modelos podem ser de natureza simbólica (como lógica, redes semânticas,
frames, etc.) ou não simbólica (como redes neurais, algoritmos genéticos,
redes bayesianas, etc.).
A Automatização do
Raciocínio compreende o estudo de métodos de inferência, pelos quais novos
conhecimentos podem ser obtidos, por derivação, a partir do conhecimento
disponível. Dentre eles destacam-se a dedução lógica, a inferência não-monotônica
e a inferência bayesiana.
A Resolução de
Problemas dedica-se ao estudo e elaboração de algoritmos, com o concurso de métodos
heurísticos, capazes de resolver, por exemplo, problemas considerados intratáveis
do ponto de vista da computação convencional.
A Aprendizagem Automática
trata do desenvolvimento de métodos de aquisição autônoma de conhecimento.
Os métodos de aprendizagem podem ser classificados em indutivos (de natureza
simbólica), probabilísticos, genéticos e conexionistas (os três últimos de
natureza não simbólica).
A Percepção se preocupa
com o desenvolvimento de sistemas capazes de transformar as informações do
meio ambiente em dados. Exemplo disto são os sistemas de reconhecimento de
odores, vozes, faces, retinas ou impressões digitais, os que detectam
movimentos ou texturas e os que interpretam textos manuscritos e reconhecem
assinaturas.
Finalmente, o
Processamento de Linguagem Natural dedica-se ao estudo e desenvolvimento de técnicas
e teorias de interpretação e geração automática de frases e textos em
alguma língua natural (ex., Português, Inglês, etc.).
Algumas áreas de aplicação
típicas da IA são: Sistemas Especialistas, Robótica, Sistemas de
Reconhecimento de Voz e Imagens, Jogos, Sistemas Tutoriais Inteligentes,
Tradutores Automáticos, Mineração de Dados, Recuperação de Informação,
Interfaces Adaptativas, etc. No âmbito da Ciência da Computação, tem sido
crescente a utilização de técnicas da IA em áreas como Banco de Dados,
Engenharia de Software, Sistemas Distribuídos, Redes de Computadores, Computação
Gráfica, Informática na Educação, etc.
Bibliografia:
George
F. Luger, Artificial Intelligence –
Structures and Strategies for Complex Problem Solving,
Addison Wesley, Fourth Edition, 2002
Russell,
S., Norvig, P. Artificial Intelligence – A Modern Approach,
Prentice-Hall, 1995;
Artigos científicos diversos, a serem distribuídos
durante o curso.
Critérios de Avaliação
A avaliação da disciplina tem 3 partes: uma prova escrita (P), a nota mínima da prova deve ser maior do que 0.5; seminário sobre tema de IA (S) e exercícios (E), individuais ou em grupo. Nota final = 0.5P + 0.3S + 0.2E